高速铁路运行控制与动态调度一体化的现状与展望

高速铁路运行控制系统是高速铁路的大脑和神经系统, 对列车的安全和高效运行至关重要. 随着我国高铁里程数和客运量的快速增加, 现有的控制手段和调度方法在快速、有效解决列车运行过程中出现的突发事件(比如电力故障、突发地震、山体滑坡、异物侵限等)方面尚有一定差距. 目前列车运行控制与调度采用分层架构, 突发情况下主要依赖调度员和司机的人工经验进行应急处置, 列车晚点时间较长, 旅客满意度不高. 因此, 如何针对高速列车运行过程中可能出现的突发事件, 提升其应急处置能力, 成为保障高铁安全高效运营的一大难题. 本文围绕高铁运行控制与动态调度一体化这一前沿研究热点, 对现有运行控制和动态调度的发展现状进行梳理, 在此基础上给出一体化的基本架构, 明确其基本内涵, 最后提出了未来的主要研究方向.     

高速列车精确停车的鲁棒自触发预测控制

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.     

基于混合滤波最大期望算法的高速列车建模

针对高速列车非线性单质点模型的特殊结构及含有隐含变量问题, 提出一种基于混合滤波的最大期望辨识方法. 借助递阶辨识理论, 将高铁列车状态空间模型分解为线性子系统模型和非线性子系统模型. 进而, 分别利用卡尔曼滤波和粒子滤波对速度和位移状态进行联合估计. 最后, 使用最大期望方法辨识高铁列车子系统模型参数, 解决了隐含变量辨识问题. 和传统方法相比, 本文所提出方法计算量小, 且具有较高的辨识精度. 仿真对比实验结果验证了该方法的有效性.